Todas las modalidades del programa (streaming, online y presencial) tienen el mismo valor. Además, recomendamos preguntar las condiciones de cada una al momento de matricularse.
El concepto de políticas basadas en evidencia adquiere cada vez más relevancia en distintos sectores dedicados al análisis y diseño de políticas públicas, por lo resulta necesario contar con profesionales preparados para estos efectos.
Los alumnos de este diplomado aprenderán a evaluar qué tipo de datos son apropiados para determinadas necesidades, conocerán alcances y limitaciones de trabajos cuantitativos para la toma de decisiones en políticas públicas, comprenderán aspectos básicos para el análisis de datos complejos y no estructurados mediante herramientas estadísticas y computacionales, conocerán técnicas de visualización y comunicación de datos, e identificarán modelos para la evaluación de impacto de políticas públicas.
Tendrán las herramientas necesarias para saber cómo elaborar y encargar estudios a terceros que utilicen datos como su principal fuente de análisis, interpretar y leer estudios cuantitativos que utilicen datos complejos, y proponer análisis adecuados a distintos problemas en políticas públicas.
Dirigido a:
- Profesionales que se desempeñen o busquen desempeñarse en instituciones públicas, ya sea instituciones del Estado, organizaciones no gubernamentales, academia, centros de investigación, entre otros. Deberán tener conocimiento de conceptos de estadística básica equivalentes a un curso introductorio de análisis de datos.
Resultado de aprendizaje general:
- Formular preguntas de investigación e hipótesis que se puedan responder con análisis cuantitativo e identificar ventajas y desventajas de distintos métodos empíricos para tales efectos.
- Comprender aspectos básicos de la preparación, curación, análisis y visualización de datos estructurados y no estructurados.
- Presentar y sintetizar respuestas a problemas de políticas públicas, utilizando distintas metodologías de análisis de datos.
Requisitos de ingreso:
- El alumno debe estar en posesión de un grado académico o de un título profesional universitario en alguna de las siguientes disciplinas: economía, ingeniería civil, ingeniería comercial, psicología, sociología, ciencias políticas, u otras disciplinas afines.
- Se recomienda experiencia laboral de dos años en al área o áreas afines.
Al final del curso podrás:
− Identificar tipos de datos para distintas preguntas de investigación.
− Identificar ventajas y desventajas de distintos métodos empíricos.
− Aplicar métodos de ciencia de datos utilizando análisis estadístico.
Contenidos:
− Introducción a la programación para la política pública.
− Manipulación de datos.
− Web scrapping y APIs.
− Análisis de redes sociales.
− Análisis de datos geográficos.
− Análisis automatizado de texto.
Al final del curso podrás:
- Comprender el ciclo de vida del dato y su importancia en la investigación científica.
- Dominar el uso de R para la manipulación y análisis de datos.
- Aplicar el modelo entidad-relación en el diseño de bases de datos.
- Dominar el lenguaje SQL para consultas y manipulación de datos.
- Integrar R y SQL para realizar data wrangling y limpieza de datos.
- Evaluar y mejorar la calidad de los datos utilizando criterios como validez, exactitud, consistencia y completitud.
- Desarrollar habilidades para depurar datos de manera eficiente utilizando herramientas específicas.
Contenidos:
- Ciclo de vida del dato para la investigación científica.
- R para el manejo de datos.
- Modelo Entidad-Relación.
- Lenguaje de consulta SQL.
- Data wrangling: R + SQL.
- Dimensiones de calidad de datos: validez, exactitud, consistencia y completitud.
- Depuración de datos en R.
- Herramientas para depuración de los datos.
Al final del curso podrás:
- Comprender cuándo, cómo, y por qué las técnicas sofisticadas de análisis de datos pueden ser relevantes para tomar decisiones basadas en datos.
- Analizar datos para agruparlos según características comunes, descubrir patrones o anomalías en ellos, o detectar asociaciones.
- Aplicar métodos de clasificación y regresión basada en técnicas de machine learning para resolver problemas complejos sin necesidad de explicitar las instrucciones.
- Implementar formas eficaces de visualizar y comunicar los datos para la toma de decisiones.
Contenidos:
- Introducción: ejemplos y métodos de análisis y visualización de datos.
- Elementos de Teoría de Aprendizaje: selección de modelos, complejidad, generalización, descomposición del error y clasificación.
- Machine learning: redes neuronales, máquinas de soporte vectorial.
- Minería de datos: clustering, patrones más frecuentes, reglas de asociación.
- Visualización de datos: conceptos y tecnologías fundamentales.
Al final del curso podrás:
− Aplicar el concepto de escenario contrafactual para la evaluación de políticas públicas.
− Evaluar la calidad de la evidencia empírica presentada en distintos medios sobre el impacto de las principales políticas públicas en Chile.
− Identificar distintos métodos para preguntas de evaluación de impacto.
− Elaborar un diseño de evaluación de impacto de una política pública, utilizando al menos dos de los métodos revisados en clase.
− Presentar públicamente resultados de un ejemplo real de evaluación de impacto y presentar argumentos a favor y en contra de la calidad de la evaluación.
Contenidos:
− Regresión Bivariada.
− Regresión múltiple: sesgo por variable omitida.
− Variables instrumentales.
− Experimentos aleatorios y regresión discontinua.
− Matching y aprendizaje de máquina e inferencia causal.
Al final del curso podrás:
- Identificar una pregunta específica de investigación aplicada en políticas públicas.
- Formular hipótesis en el marco de una pregunta específica.
- Analizar bases de datos para una pregunta específica.
Contenidos:
Aplicaciones de:
− Manipulación de datos.
− Web scrapping y APIs.
− Análisis de redes sociales.
− Análisis de datos geográficos.
− Análisis automatizado de texto.
Al final del curso podrás:
- Integrar y aplicar de manera efectiva los conocimientos y habilidades adquiridos en los cursos de Gestión de Datos y Análisis y Visualización de Datos.
- Desarrollar habilidades de programación en R y SQL.
- Aplicar conocimiento a problemas del mundo real utilizando técnicas avanzadas de análisis de datos.
- Comunicar de manera efectiva los resultados del análisis a través de visualizaciones avanzadas e interactivas.
Contenidos:
- R para el manejo de datos.
- Transformación de datos.
- SQL.
- Integración de R y SQL.
- Algoritmos de regresión en R.
- Algoritmos de clasificación en R.
- Redes Neuronales en R.
- Evaluación de algoritmos de Machine Learning.
- Ajuste de hiperparámetros.
Nota: El orden de los cursos dependerá de la programación que realice la Subdirección Académica.
¿Te gusta esta publicación?
Comparte esta publicación
40% Personas mayores de 60 años.
30% Exalumnos, colaboradores UC y DUOC, exalumnos de Educación Profesional de Ingeniería UC, Tarjeta vecino Providencia y Las Condes.
25% Convenio Ingeniería.
15% Funcionarios de servicios públicos.